APP下载

计算机知识技术题库

搜索

计算机知识技术题库

题目内容

(

单选题

)

对于图像数据，通常使用的模型是（）

A、循环神经网络

B、卷积神经网络

C、word2vec

D、bert

答案：B

解析：对于图像数据，通常使用的模型是卷积神经网络

计算机知识技术题库

数据挖掘的实质是知识发现的过程，总是我类说，知识发现分为（）3个步骤。

点击查看题目

人工智能的一个重要分支是PatternRecognition，中文名称是模式识别它主要研究视觉和听觉的识别（）

点击查看题目

机器翻译是计算语言学的一个分支，是人工智能的终极目标之一，具有重要的科学研究价值。

点击查看题目

支持向量机的求解通常是借助于凸优化技术，针对线性核SVM来说，主要的求解提升效率方法为(____)。

点击查看题目

半监督支持向量机中最著名的是TSVM（TransductiveSupportVectorMachine）。与标准SVM一样，TSVM也是针对(___)问题的学习方法？

点击查看题目

以下哪些是常见的神经网络（）？

点击查看题目

在python中，运行以下程序，结果应为（）
a=5
b=7
b+=3
a=b*20
a+=2
a=a%b
print(a,b)

点击查看题目

下列可以用于分类问题的机器学习算法有：

点击查看题目

将长度为1m的木棒随机地截成两段，则两段长度的相关系数为（）

点击查看题目

以下哪项是主要用于自然语言处理的网络结构（）

点击查看题目

计算机知识技术题库

题目内容

(

单选题

)

手机预览

计算机知识技术题库

对于图像数据，通常使用的模型是（）

A、循环神经网络

B、卷积神经网络

C、word2vec

D、bert

答案：B

解析：对于图像数据，通常使用的模型是卷积神经网络

相关题库:

计算机知识技术题库

分享

计算机知识技术题库

相关题目

数据挖掘的实质是知识发现的过程，总是我类说，知识发现分为（）3个步骤。

A. 数据预处理

B. 异常记录

C. 规律寻找

D. 知识表示

点击查看答案

人工智能的一个重要分支是PatternRecognition，中文名称是模式识别它主要研究视觉和听觉的识别（）

解析：正确

点击查看答案

机器翻译是计算语言学的一个分支，是人工智能的终极目标之一，具有重要的科学研究价值。

点击查看答案

支持向量机的求解通常是借助于凸优化技术，针对线性核SVM来说，主要的求解提升效率方法为(____)。

A. 割平面法

B. 随机梯度下降

C. 坐标下降法

D. 快速采样法

解析：见算法解析

点击查看答案

半监督支持向量机中最著名的是TSVM（TransductiveSupportVectorMachine）。与标准SVM一样，TSVM也是针对(___)问题的学习方法？

A. 分类

B. 回归

C. 聚类

D. 二分类

解析：见算法解析

点击查看答案

以下哪些是常见的神经网络（）？

A. RBF网络

B. RIO网络

C. ART网络

D. SQM网络

E. SOM网络

点击查看答案

在python中，运行以下程序，结果应为（）
a=5
b=7
b+=3
a=b*20
a+=2
a=a%b
print(a,b)

A. 5 7

B. 20 10

C. 22 7

D. 2 10

解析：本题考查Python程序的运算。a=5，b=7，b+=3=10，a=b*20=200，a+=2=202，a=a%b=2。最后a=2，b=10，故本题选D。

点击查看答案

下列可以用于分类问题的机器学习算法有：

A. 决策树

B. 随机森林

C. k近邻

D. 逻辑回归

点击查看答案

将长度为1m的木棒随机地截成两段，则两段长度的相关系数为（）

A. 1

B. 01月02日

C. -1/2

D. -1

解析：设两段长度分别为X，Y，则X+Y = 1，即Y=-X+1，所以相关系数为-1

点击查看答案

以下哪项是主要用于自然语言处理的网络结构（）

A. AlexNet

B. ResNet

C. Bert

D. LeNet

解析：Bert主要用于自然语言处理的网络结构

点击查看答案

试题通app下载

类似热门题库

python单选题题目练习题

python选择填空题库练习

全国计算机一级选择题真题

管理信息理论复习题库

通信专业应知应会题库(最终版）

大数据技术理论题库

2024参考题库理论知识

计算机知识练习题库

java考试必备题库最终版本

物联网技术与应用题库

试题通小程序

试题通app下载

©2016-2024.南通佰易网络科技有限公司
苏ICP备16028519号-2 苏公网安备32061102000302